메타인지, 생각의 기술

메타인지, 생각의 기술

오봉근 지음

원앤원북스 / 2020년 12월 / 318쪽 / 17,000원



메타인지는 왜 중요한가



문제해결력은 AI 시대에도 핵심이다

우리는 이미 AI 시대를 살고 있다: 2020년 4월 28일 연합뉴스는 AI가 초고를 작성한 날씨 기사를 보도했다. ‘AI가 초고를 작성한 기사가 보도되었다’는 내용 자체를 뉴스거리로 보도한 또 다른 매체는 “AI 활용으로 뉴스 생산성이 높아지고 기자들이 심층 취재에 몰두할 수 있게” 되기를 기대한다고 덧붙였다. 한편 AI의 추가적 발전 소식에 늘 패키지로 따라오는 언급은 ‘AI가 인간을 단순 작업에서 해방시키고, 인간은 보다 창의적이고 의미 있는 일에 집중하는 효과가 기대된다’는 내용이다. 그렇다면 인간이 더 많은 시간을 쏟을 수 있다는 ‘창의적이고 의미 있는 일’의 실체는 대체 무엇일까?

AI 시대에는 문제해결력이 더 중요하다: 이 책에서는 인간이 ‘더 의미 있다’거나 ‘더 생산적인’ 일에 집중할 수 있도록 해준다는 것의 실체가 무엇인지 따져보는 데 더 중점을 둔다. 나아가 평범한 직장인 수준에서 더 의미 있고 생산적인 일을 하려면 당장 오늘부터 향후 3~5년간 어떤 역량을 개발해야 하는지에 집중하고자 한다. 필자는 이러한 논의를 시작하기 위해 앞서 AI가 작성한 날씨 보도 기사에서 무언가 힌트를 얻을 수 있을까 주의 깊게 살펴보았다. 실제 해당 기사 말미에는 “기사가 인공지능 자연어처리 기술로 자동 작성되어 편집자의 데스킹을 거쳤다.”라고 각주를 달고 있다.

언론계에서 ‘데스킹’은 흔히 책상에 앉아 업무를 보는 비중이 높은 차장급 이상 고참 기자들이, 후배 기자들의 작성 기사를 손질하고 헤드라인을 결정해 출고하는 일을 말하는 것으로 알려져 있다. 이를 바탕으로 추론하자면 적어도 날씨 기사 작성 및 송고에서는 ‘더 의미 있고’ ‘생산적인’ 업무와 그렇지 않은 업무가 다음과 같이 구분되었다고 볼 수 있다. ‘[날씨 기사 작성 시 AI가 담당한 덜 의미 있고 비생산적인 과정 예시] ㉠ 기상청 데이터 및 미세먼지 관측ㆍ예측 데이터를 확인한다. ㉡ 보도자료 등을 통해 기상청 관계자 등의 코멘트를 확인한다. ㉢ 수집된 데이터를 바탕으로 초고를 작성한다. [날씨 기사 작성 시 인간이 담당한 더 의미 있고 생산적인 과정 예시] ㉠ 기사에 문제가 있는지 사전에 검토한다. ㉡ 기사의 문장 표현을 개선한다. ㉢ 기사의 분량을 조절한다. ㉣ 미디어 시장 환경을 기반으로 기사의 상품성을 높일 헤드라인을 뽑는다.’

상기에 예시로 나열한 상세 업무를 보자면, 단순 사실관계 및 데이터 확인과 이에 기반한 문장의 작성은 AI에게 맡겨졌다. AI가 이 업무를 담당하기 전에는 필시 경력이 짧은 수습기자가 훈련 차원에서 담당했을 것 같다. 반면에 인간은 문제의식에 기반한 비판적 사고가 좀 더 필요한 영역을 맡았다. 결국 문제해결이 필요한 부분이 더 의미 있고 생산적인 업무의 실체라는 것이다. 고객사의 문제를 해결해주고 수수료를 지급받는 것이 업(業)인 경영 컨설팅 회사에서 오랜 기간 근무했던 필자가 볼 때도, 앞에 묘사된 데스킹이라는 과정은 문제의식을 갖고 시작한 전형적인 문제해결행위다.

문제해결력은 메타인지로 향상된다

문제는 인지해야 해결된다: 문제해결력은 문제를 정의하고 해결하는 과정을 빠르고 효과적으로 진행할 수 있는 능력인데, 잘 수행하기 위해서는 다음이 필수적이다. 첫째로 문제해결 과정에 대한 이해가 있어야 한다. 둘째로 문제해결 전체 과정 중 본인이 어디쯤에 있는지를 알아야 한다. 셋째로 문제해결 과정 중 본인이 취약한 부분을 보완할 방법을 주어진 자원 내에서 찾을 수 있어야 한다.

한편 시중에는 문제해결과 관련된 서적과 자료가 많이 나와 있다. 필자가 기업체의 요청으로 문제해결과 관련된 워크숍이나 강의를 진행해봐도, 웬만한 국내 기업체 재직자의 절반 이상은 한 번쯤 문제해결의 개념이나 이론적 부분을 접해본 경험이 있었다. 그러나 이론적 개념을 알아도 실행이 잘 안 된다고 한다. 막상 해보려고 하면 쉽지 않은 것인데, 그 대부분의 이유는 다음의 세 가지로 정리된다.

첫째, 문제해결 방법론을 제대로 모르는 경우다. 둘째, 우선순위에 대한 생각이 다르다. 즉 ‘내가 이런 하찮은 문제를 해결하는 데 문제해결 과정까지 고민하면서 해야 해?’ 하는 마음이다. 셋째, 익숙하거나 잘 안다고 생각하기 때문에 성급한 솔루션을 낸다. 이 문제만큼은 본인이 전문가라고 생각하는 경우다. 한 산업이나 업무 영역에 오래 종사한 ‘잔뼈 굵은’ 중간 관리자급에서 많이 보이는 유형이다.

이런 현상은 왜 발생하는 것일까? 문제해결 관점에서 볼 때, 각각의 유형은 다음의 근본적 원인을 갖고 있다. ‘① 자신이 모른다는 것을 인지하지 못한다. ② 다른 사람은 나와 우선순위가 다르다는 것을 인지하지 못한다. ③ 본인의 경험에 의한 답이 틀릴 수 있다는 것을 인지하지 못한다.’ 문제해결은 앞의 각 원인을 인지하는 것에서부터 시작해야 한다. 본인의 문제해결 과정에서 개선이 필요한 부분을 인지할 수 있는 힘은 개인과 조직의 문제해결력을 기르는 데 큰 차이를 만들어낸다. 이렇게 본인의 사고 흐름과 개선이 필요한 부분을 인지할 수 있는 힘을 ‘메타인지(Metacognition)’라고 부른다.

메타인지가 문제해결력을 키운다: 메타인지라는 용어는 미국 스탠퍼드대학교 심리학과 명예교수인 존 플라벨 박사가 처음으로 메타인지 개념을 이론화하면서 사용했다. 메타인지와 관련해 1979년에 발표된 그의 논문에서는, 나이가 어린 학생 집단과 상대적으로 나이가 많은 학생들을 비교 집단으로 삼아 실험을 진행했다. 두 집단에 각각 학습을 하도록 지시한 후, 스스로 생각하기에 학습이 완료되었다고 생각하면 선생님에게 학습 내용을 확인받는 형식의 실험이었다. 해당 실험에서는 나이가 어린 학생 집단이 학습이 충분히 완료되지 않았음에도 본인의 학습이 끝났다고 착각하는 비율이 높았다. 플라벨 박사는 이 결과를 통해 메타인지가 성장 과정을 따라 성숙한다는 가설을 수립하기도 했다.

메타인지라는 개념을 학습이 아닌 업무 영역에도 적용할 수 있을까? 기업체 고객들의 메타인지를 돕는 일을 장기간 해온 필자는 오히려 학습의 영역보다 더 광범위하게 메타인지가 적용되는 곳이 기업 업무 현장이라고 답한다. 특히 문제해결을 중점적으로 진행하는 업무에서 메타인지는 대단히 중요할 수밖에 없다. 왜냐하면 문제해결력을 키우는 거의 유일한 방법이기 때문이다.

메타인지는 AI 시대를 앞서가는 방법이다

메타인지로 나의 부족함을 안다: 나의 인지에 대한 인지에 관여하는 메타인지의 속성을 ‘메타인지적 지식’ 또는 ‘메타인지적 인식’이라고 하는데, 이 책에서는 ‘메타인지적 인식’이라는 용어로 통일하도록 하겠다. 메타인지적 인식이라는 개념에 대한 설명은 다양한데, 그중 업무 현장에서 의미가 있는 내용을 쉽게 설명하면 다음의 세 가지 하위 개념이 메타인지적 인식을 핵심적으로 설명한다. ‘① 내가 알고 모름을 아는 것(노왓, Know-what) ② 업무의 목적(노와이, Know-why)과 절차 및 흐름을 이해하는 것(노하우, Know-how) ③ 상황과 맥락에 대한 파악(노웬/노웨어, Know-when/Know-where)’ 이 중 노하우는 많이 들어봤을 것이다. 직장 생활을 해본 사람들은 특정 업무 주제가 주어졌을 때 이는 이렇게 저렇게 진행되고, 그다음에 담당자 누구를 통해 처리된다는 식의 절차와 흐름이 머릿속에 직관적으로 떠오르고, 이런 경우를 우리는 흔히 해당 주제에 대해 노하우가 있다고 이야기한다.

노왓은 내가 아는 것과 모르는 것을 구분하는 것이다. 예를 들어 차년도 사업 계획 작성이라는 업무를 처음으로 맡았다고 가정하자. 이때 계획서에 포함하기로 결정한 항목 또는 꼭 포함해야 하는 주요 항목들 중 ‘내가 아는 항목과 모르는 항목(또는 잘 알지 못하는 항목)’에 대한 구분은 업무 담당자로서 판단이 용이하다. 이처럼 자신이 아는 것과 모르는 것을 빠르게 판단할 수 있는 인지 기능이 노왓이다. 그리고 이 개념은 메타인지적 인식의 하위 요소로서 중요하게 다루어진다. 이 요소가 명확히 작동할 경우 내가 아는 내용은 내가 잘 진행하면 될 것이고, 내가 모르는 내용은 해당 내용의 전문가나 담당자에게 자료나 도움을 구하는 등의 방법을 찾아야 한다.

한편 메타인지에 대해 국내에서 많은 강연을 진행한 아주대학교 김경일 교수는 자신이 아는 것과 모르는 것을 순간적으로 판단할 수 있는 것은 인간만이 가진 메타인지의 힘이라고 강조했다. 또 김경일 교수는 이러한 메타인지적 인식이 인간을 AI보다 우월한 존재로 만든다고 이야기했는데, 필자의 시각으로는 메타인지적 인식의 하위 요소인 노왓을 강조한 것으로 해석된다.

참고로 2018년 1월 핸슨 로보틱스에서 개발한 AI 로봇 소피아의 시연회가 한국에서 개최됐다. 이때 소피아는 “불이 난 곳에 노인과 아이가 있다면 누구를 먼저 구할 것인가?”라는 질문을 받았다. 이에 대해 소피아는 “나는 아직 윤리적 결정을 내릴 수 있는 수준이 아닙니다.”라고 즉각 답변했다. 본인이 모르는 것을 모른다고 빠르게 판단한 것이다. 또한 “논리적으로는 출구에서 가까운 사람을 먼저 구하겠습니다.”라고 덧붙였다. 물론 사전에 학습된 내용이지만, 특정 범위를 벗어난 내용은 모른다는 즉시적 판단을 프로그래밍할 수 있다는 예시다. 그렇다면 노왓을 AI도 흉내 낼 수 있을까?

메타인지로 평가하고 개선한다: 내가 아는 것과 모르는 것을 직관적으로 판단하는 노왓은 많은 경우 메타인지의 전체 메커니즘을 작동시키는 촉발 요소 역할을 한다. 한편 스스로 아는 것과 모르는 것을 판단할 수 있다면 이를 통해 파악한 모르는 점을 스스로 개선하는 데 활용할 수 있어야 하는데, 대부분은 자신의 부족한 점은 알지만 이를 개선하기 위한 실천이 어렵다고 한다. 하지만 메타인지적 관점에서 이는 정확히 아는 것이라 볼 수 없다. 실천에 방해가 되는 원인까지 생각할 수 있어야 하기 때문이다. 또 실천의 방해 요소가 밝혀지면 이를 개선해 실제 실천까지 할 수 있어야 한다. 메타인지의 메커니즘을 통해 부족한 부분을 끊임없이 개선해 온 것이 인간의 오래된 생존 비결이기도 하다.

인간은 본인이 모르는 부분에 대한 판단이 서면, 필요한 경우 빠르게 이를 습득하거나 전문가 등을 통해 외부에서 해당 지식을 구하고자 한다. 한편 앞서 소개한 AI 로봇 소피아의 사례는 인간의 노왓 프로세스를 AI로 재현한 사례일 수는 있으나, 이를 통해 AI가 모르는 것을 효과적으로 습득하거나, 외부에서 효율적으로 구해오기 위함은 아니다. 기술적 시각에서 볼 때, AI 알고리즘이 모르는 부분을 확인하면 이를 추가 학습하도록 설계할 수는 있지만, 이는 아직까지 별개로 구동되는 문제로 봐야 한다.

앞서 소피아 사례에서 소피아는 이 질문에 대해 본인은 이런 문제에 대한 답변을 할 정도의 수준에는 이르지 못했다고 했다. 그렇다고 해서 소피아가 인터뷰를 마치고 돌아가는 차 안에서 ‘노인과 아이’ 딜레마에 대해 다시 한 번 곱씹어보고 본인의 관점을 세우고자 노력하는 모습은 상상하기 극히 어렵다. 그러나 대부분의 인간은 ‘아까 많은 기자들 앞에서 대답을 회피하기보다는, 이렇게 대답했으면 좋지 않았을까.’라는 식으로 상황을 복기해보고, 자신의 부족함을 부끄러워하기도 한다. 나아가 ‘추후 비슷한 상황이 생기면 이렇게 대처해야지.’ 하고 생각한다. 이러한 인지 활동의 바탕에는 노웬과 노웨어의 작동이 동시에 이루어진다. 여러 참관객과 기자들이 둘러싼 상황에서 적시에 적절한 답변을 했으면 더 좋았을 것이라는 인간의 판단이 바로 노웬과 노웨어에 기반한 인지 판단이다.

즉 노왓에서 촉발된 ‘내가 부족했다’는 문제의식은 노웬 및 노웨어를 거쳐, ‘나의 답변이 때와 장소에 적합하지 않았다’고 강화된다. 문제의식이 증폭되는 과정이다. 이를 통해 개선점을 찾는 종합적 인지 과정으로 넘어가게 된다. 개선점을 찾는 인지 과정은 메타인지의 또 다른 주요 요소인 ‘메타인지적 컨트롤(Metacognitive Control)’과 밀접한 관련이 있다. 메타인지적 컨트롤은 무언가를 사전에 계획(Planning)하고, 수행하면서 이것이 제대로 진행되고 있는지 모니터링(Monitoring)을 하는 인지 활동으로 구성된다. 또한 사후에 해당 과정을 복기하고 다음번에 유사한 과정을 거쳤을 때, 보다 나은 방법과 결과를 만들 수 있게 해준다. 이를 쉽게 평가(Evaluating) 과정이라고 한다.

소피아 사례로 치자면, 인터뷰 상황을 복기하고 향후 유사한 상황에 보다 나은 답변을 준비하는 과정이 평가에 해당한다. 평가 내용을 바탕으로 유사한 상황이 생기면 이렇게 답변하겠다고 다짐하는 것이 계획이며, 실제로 유사한 상황을 맞아 답변하는 동안에 청중의 반응에 따라 내용을 조절하는 것이 모니터링이다. 메타인지의 세부 요소들에 의한 이 메커니즘이 AI 로봇 소피아에게도 제대로 작동한다면, 소피아는 분명 다음 시연회에서 모두를 깜짝 놀라게 할 답변을 할 수 있을 것이다.



메타인지가 뛰어난 사람들의 다섯 가지 특징



지향점을 분명히 안다

성취자는 지향점이 분명하다: 업무적으로 메타인지를 탁월하게 발휘하는 사람들의 대표 유형을 필자는 5가지로 분류하는데, 그중 첫 번째가 지향점이 분명한 ‘성취자(Achiever)형’이다. 기업 현장의 많은 리더들이 성취자형 메타인지를 드러내는 것을 여러 번 목격했다. 직관적으로 이해하기 쉬운 대표적 성취자형 인물로는 스티브 잡스가 있다. 스티브 잡스는 세상에서 가장 위대한 제품을 만들겠다는 강한 지향점을 가지고 애플을 이끌었던 것으로 유명하다. 심지어 애플에서 이익이 중요한 이유는 세상에서 가장 위대한 제품을 만드는 데 재투자되어야 하기 때문이라고 했다. 그의 확고한 지향점은 여러 딜레마 상황에서 판단의 준거가 되었다. 분명한 지향점을 바탕으로 본인이 현재 무엇을 해야 하는지 인지하고 이를 망설임 없이 추진하는 것이 성취형 메타인지에 기반한 사람들의 특징이다.

맥락을 파악한다

플레이메이커는 시야가 넓다: 축구, 농구 같은 단체 운동경기에서 플레이메이커(Playmaker)라는 용어가 자주 쓰이는데, 전체 게임의 흐름을 판단하고, 같은 팀의 선수들을 활용해 득점에 유리한 상황을 계속 만들어가는 선수를 뜻한다. 대표적으로 축구에서는 리오넬 메시 같은 선수가 있다. 메타인지가 뛰어난 사람들의 두 번째 유형이 바로 이 플레이메이커형이다. 플레이메이커형 메타인지가 뛰어난 리더들은 특정 쟁점에 대해 전체 맥락상 적절성을 먼저 인지하고자 하는 경우가 많다. 또한 조직이 가진 역량을 기반으로 할 수 있는 일에 대한 우선순위를 정하고자 한다. 그리고 이러한 과정을 넓은 시야를 바탕으로 변화하는 환경에 맞게 끊임없이 모니터링하면서 수정한다.

경험과 직관의 한계를 안다

버틀러형 메타인지는 신뢰를 받는다: 버틀러(Butler)라는 단어는 보통 ‘집사’라는 뜻으로 많이 사용된다. 신중하고 차분히 계획된 일을 처리하며 고객의 반응을 늘 살피는 직업인데, 업무상 메타인지가 뛰어난 사람들의 세 번째 유형이 버틀러형이다. 버틀러형은 주로 자신과 조직의 취향, 고객 또는 이해관계자의 반응을 예측해 계획 수립에 신중하고 많은 시간을 쏟는다. 이를 메타인지적 요소로 설명하자면 노왓과 이해관계자 반응 예측에 기초한 계획이 자연적 지적능력, 즉 메타인지를 주도한다고 해석할 수 있다. 버틀러형은 상황과 자신 그리고 상대방에 대한 신중한 인지를 우선적으로 행하기 때문에 리더가 보유한 경험이나 학습된 지식에 근거해 성급한 결정을 내리는 실수를 최소화한다.